最近准备换工作,打算复习下算法,多年工作以后再回头看算法与数据结构,发现有种完全不同的感觉,毕竟结合的实际更深了(虽然可能工作中不怎么用的上……),先从最简单的排序算法开始,权当复习练练手,直接上伪代码好了(部分源自算法导论)。
冒泡排序
两两比较,把最大的放最后未排序数组的最后,然后再比较前面的,重复此操作。
伪代码:
bubble-sort(A[n])
for i = 1 to n
for j = 2 to n-i
if a[j-1] < a[j]
swap a[j],a[j-1]
稳定排序,算法时间复杂度O(n^2)
插入排序
像抓扑克牌一样,很简单。
伪代码:
insert-sort(A[n])
for i = 2 to n
key = A[i]
//把A[i]插入到已经排序好的A[1,2,3...,,j-1]中
j = i - 1
while j > 0 and A[j] > key
A[j+1] = A[j]
j = j - 1
A[j + 1] = key
稳定排序,算法时间复杂度O(n^2)
快速排序
简单来说就是在原数组中选取一个划分值,比这个值小的都放在左边,大的放在另一边,然后再对两边的值进行同样的操作。常见的快排值的选取为每次进行分割数组的第一个,也有进行random划分的方式,时间复杂度的期望都是一样的,另外后面的二分查找或者random-select查找也借鉴了类似快排的思想。
伪代码:
quick-sort(A, p, r)
if (p < r)
q = partition(A, p, r)
quick-sort(A, p, q - 1)
quikc-sort(A, q + 1, r)
partion(A, p, r)
x = A[r]
i = p - 1
for j = p to r - 1
if A[j] <= x
then i = i + 1
swap A[i],A[j]
swap A[i + 1],A[r]
return i + 1;
参考算法导论,记得最先开始学的快排典型代码是另一种,快排关键就在于PARTION函数,算法导论有介绍如果划分点的选择是随机的,通过数学证明基本也能得到时间复杂度期望是O(NlogN)。
不稳定排序,算法时间复杂度为O(N^2)~O(nlgN),最好情况下达到基于比较的排序算法的上界(key值刚好把数组分为大小的两部分)。
归并排序
归并理解起来蛮简单,就是先分治再归并,但是代码写起来比较麻烦,比如一串数组A[] = {10, 5, 6, 7, 1, 3, 2, 4},先划分成{10, 5}{6, 7}{1,3}{2,4}分别排序成{5,10}{6,7}{1,3}{2,4},然后进行两路归并{5,10,6,7}{1,3,2,4},分别排序,排序直接用插入排序或者快排什么的都行变成{5,6,7,10}{1,2,3,4},再递归即可。
伪代码(以后再补上吧,归并略麻烦)。
稳定排序,时间复杂度O(NlogN),但是空间复杂度为O(N)